| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 1 绪论 | 第13-27页 |
| 1.1 图像去噪的研究意义及数学理论 | 第13-15页 |
| 1.1.1 图像去噪的研究意义 | 第13页 |
| 1.1.2 噪声和去噪的数学理论 | 第13-15页 |
| 1.2 图像去噪方法研究概况与问题分析 | 第15-21页 |
| 1.2.1 中值滤波方法研究概况 | 第15-17页 |
| 1.2.2 偏微分方程方法研究概况 | 第17-18页 |
| 1.2.3 多尺度几何分析方法研究概况 | 第18-19页 |
| 1.2.4 去噪方法问题分析 | 第19-21页 |
| 1.3 智能算法研究概况 | 第21-24页 |
| 1.3.1 神经网络研究概况 | 第21-22页 |
| 1.3.2 遗传算法研究概况 | 第22页 |
| 1.3.3 粒子群优化算法研究概况 | 第22-24页 |
| 1.4 本文工作和论文结构 | 第24-27页 |
| 1.4.1 本文研究工作 | 第24-26页 |
| 1.4.2 论文内容结构 | 第26-27页 |
| 2 基于极限学习机的算法研究及其去噪应用 | 第27-57页 |
| 2.1 引言 | 第27-28页 |
| 2.2 相关理论 | 第28-36页 |
| 2.2.1 极限学习机算法 | 第28-32页 |
| 2.2.2 ELM-RBF算法 | 第32-34页 |
| 2.2.3 遗传算法 | 第34-36页 |
| 2.3 基于GA智能优化策略的ELM-RBF神经网络学习算法 | 第36-39页 |
| 2.3.1 GA- ELM-RBF算法 | 第37-38页 |
| 2.3.2 仿真实验 | 第38-39页 |
| 2.4 基于GA-ELM-RBF算法的图像去噪应用 | 第39-44页 |
| 2.4.1 网络输入值 | 第40-41页 |
| 2.4.2 噪声训练 | 第41-42页 |
| 2.4.3 噪声密度估计 | 第42-43页 |
| 2.4.4 分类规则 | 第43页 |
| 2.4.5 噪声去除 | 第43-44页 |
| 2.5 实验与分析 | 第44-55页 |
| 2.5.1 噪声分类检测 | 第44-45页 |
| 2.5.2 去噪效果测试 | 第45-48页 |
| 2.5.3 比较实验 | 第48-55页 |
| 2.6 本章小结 | 第55-57页 |
| 3 基于遗传算法和偏微分方程的图像去噪方法研究与应用 | 第57-75页 |
| 3.1 引言 | 第57-58页 |
| 3.2 相关理论 | 第58-61页 |
| 3.2.1 总变分模型 | 第58-59页 |
| 3.2.2 四阶偏微分方程 | 第59-61页 |
| 3.3 基于遗传算法和偏微分方程的图像去噪算方法 | 第61-65页 |
| 3.3.1 参数选择 | 第61-63页 |
| 3.3.2 目标函数 | 第63页 |
| 3.3.3 算法流程 | 第63-65页 |
| 3.4 实验与分析 | 第65-74页 |
| 3.5 本章小绪 | 第74-75页 |
| 4 基于改进粒子群优化算法的图像去噪研究与应用 | 第75-93页 |
| 4.1 引言 | 第75-76页 |
| 4.2 相关理论 | 第76-79页 |
| 4.2.1 粒子群优化算法的基本原理 | 第76-77页 |
| 4.2.2 粒子群优化算法模型 | 第77页 |
| 4.2.3 粒子群优化算法流程 | 第77-78页 |
| 4.2.4 参数分析与设置 | 第78-79页 |
| 4.3 常见粒子群优化算法的改进方法 | 第79-83页 |
| 4.3.1 基于惯性权值的改进 | 第80页 |
| 4.3.2 基于加速因子的改进 | 第80-81页 |
| 4.3.3 基于邻近群拓扑的改进 | 第81-82页 |
| 4.3.4 基于种群规模的改进 | 第82页 |
| 4.3.5 混合粒子群优化算法 | 第82-83页 |
| 4.4 基于PM思想的改进粒子群优化算法 | 第83-86页 |
| 4.4.1 粒子群优化算法的改进 | 第83-84页 |
| 4.4.2 仿真实验 | 第84-86页 |
| 4.5 基于PPSO算法的图像去噪应用 | 第86-92页 |
| 4.5.1 基于PPSO算法的图像去噪算法 | 第86-87页 |
| 4.5.2 实验与分析 | 第87-92页 |
| 4.6 本章小结 | 第92-93页 |
| 5 基于剪切波的自适应阈值图像去噪算法研究与应用 | 第93-113页 |
| 5.1 引言 | 第93-94页 |
| 5.2 相关理论 | 第94-101页 |
| 5.2.1 剪切波变换 | 第94-98页 |
| 5.2.2 剪切波特性分析 | 第98-99页 |
| 5.2.3 阈值收缩去噪 | 第99-101页 |
| 5.3. 改进的Shearlet的图像去噪算法 | 第101-103页 |
| 5.3.1 收缩规则和收缩阈值 | 第101-102页 |
| 5.3.2 PPSO -Shearlet 算法模型 | 第102-103页 |
| 5.4 实验与分析 | 第103-111页 |
| 5.5 本章小结 | 第111-113页 |
| 6 总结与展望 | 第113-117页 |
| 6.1 本文工作总结 | 第113-114页 |
| 6.2 本文创新 | 第114-115页 |
| 6.3 工作展望 | 第115-117页 |
| 致谢 | 第117-119页 |
| 参考文献 | 第119-133页 |
| 附录 | 第133-134页 |
